矩阵论 •「线性变换」

时间:2024-11-08 07:35:30

线性变换

关于变换:在两个集合之间可以定义一个映射。当集合为数集时,我们称这个映射为“函数”;当集合为线性空间时,就称这个映射为“变换”(之所以叫变换,隐含了一种运动的思想)。“变换”实际上就是“函数”的一种花哨的说法,只是在线性代数中,变换主要考虑作用的是线性空间中的元素,而不是函数中的数字;线性空间中的元素可以简单理解为向量.

线性变换

定义:设 V V V 是一个线性空间, T T T V V V 到自身的一个映射,对于 V V V 中的任意元素 v ⃗ \vec{v} v 均存在唯一的 v ′ ⃗ ∈ V \vec{v'} \in V v V 与之对应,则称 T T T 为线性空间 V V V 上的一个变换,记为 T v ⃗ = v ′ ⃗ T\vec{v}=\vec{v'} Tv =v (注意:“到自身”限定了变换矩阵为方阵?)一个变换可以非常复杂,然而幸运的是,线性变换对变换进行了限定,是一种特殊的变换;向量的线性运算有加法和数量乘法,那么线性变换顾名思义,就是针对向量的线性运算的变换,它满足:
T ( x ⃗ + y ⃗ ) = T ( x ⃗ ) + T ( y ⃗ ) T ( k x ⃗ ) = k T ( x ⃗ ) \begin{align} T(\vec{x} + \vec{y}) &= T(\vec{x}) + T(\vec{y}) \\ T(k\vec{x}) &= kT(\vec{x}) \end{align} T(x +y )T(kx )=T(x )+T(y )=kT(x )
线性变换有一些性质和运算规律,在此做一些举例:

  • 线性变换把零元素仍变为零元素(原点固定)
  • 线性变换把线性相关的元素组仍变为线性相关的元素组,但线性无关的元素组经过线性变换不一定再是线性无关的(例如降维);
  • 线性变换的和 T 1 + T 2 : ∀ x ⃗ ∈ V , ( T 1 + T 2 ) x ⃗ = T 1 x ⃗ + T 2 x ⃗ T_1+T_2\text{:}\quad\forall \vec{x}\in V\text{,}\quad(T_1+T_2)\vec{x}=T_1\vec{x}+T_2\vec{x} T1+T2:x V,(T1+T2)x =T1x +T2x
  • 线性变换的数乘 k T : ∀ x ⃗ ∈ V , ( k T ) x ⃗ = k ( T x ⃗ ) kT:\quad\forall \vec{x}\in V\text{,}\quad(kT)\vec{x}=k(T\vec{x}) kT:x V,(kT)x =k(Tx )
  • 线性变换的乘积 T 1 T 2 : ∀ x ⃗ ∈ V , ( T 1 T 2 ) x ⃗ = T 1 ( T 2 x ⃗ ) T_1T_2:\quad\forall \vec{x}\in V\text{,}(T_1T_2)\vec{x}=T_1(T_2\vec{x}) T1T2:x V,(T1T2)x =T1(T2x )

通常,线性变换的乘积不满足交换律,且不是所有的变换都具有逆变换;这对应着矩阵的乘积和逆.

线性变换的矩阵表示 ⭐

线性空间是一个非常抽象的概念,线性空间中的元素可以多种多样。线性变换的矩阵表示目的在于:把一个线性空间上的线性变换(元素之间的映射),转化为了坐标之间的变换,并通过矩阵来描述这个变换。对任何线性空间,给定基后,我们对元素进行线性变换或线性运算时,只需用线性变换的矩阵右乘以元素的坐标“向量”即可。注意,实际上在这个变换的过程中,选择的描述这个线性空间 V V V 的基不变。这样的话我们就可以通过矩阵 + 坐标来描述一个线性变换作用于一个抽象向量的过程;每当我们看到一个矩阵时,也都可以理解为是对线性空间(中元素的坐标)的一个线性变换。线性变换的矩阵表示推导过程如下:

考虑线性空间 V V V 中的一个元素(向量) v ⃗ \vec{v} v ,显然该向量可以由 { v 1 ⃗ , v 2 ⃗ . . . , v n ⃗ } \{\vec{v_1},\vec{v_2}...,\vec{v_n}\} {v1 ,v2 ...,vn } 和坐标联合进行唯一线性表示,即:

v ⃗ = ∑ 1 n k i v i ⃗ = [ v 1 ⃗ , v 2 ⃗ . . . , v n ⃗ ] [ k 1 k 2 ⋮ k n ] \vec{v} = \sum_1^n k_i\vec{v_i} = \begin{bmatrix}\vec{v_1},\vec{v_2}...,\vec{v_n}\end{bmatrix} \begin{bmatrix}k_1 \\k_2 \\\vdots \\k_n\end{bmatrix} v